预估模糊控制在循环水加药控制中的应用

针对Smith预估控制对模型误差较敏感,适应对象参数变化较差的缺点,提出了一种Smith预估模糊控制方法,利用模糊逻辑实现被控对象模糊化,利用Smith预估控制对被控对象滞后环节进行补偿。以火电厂循环水加药控制为例,对该控制方法进行仿真和实际应用研究,结果表明该系统能有效地避免纯滞后环节在控制系统中带来的振荡现象,工程应用取得了理想的控制效果,为纯滞后、大惯性、模型不确定系统的控制提供了很好的解决方法。     

线滞后系统的控制算法比较

本文介绍了用于时滞系统的Smith预估补偿控制、采样PI控制和预测控制方法的原理,并对一阶纯滞后对象,采用Matlab工具对其控制性能进行仿真比较.仿真结果表明,Smith预估补偿算法在滞后被控对象模型已知的情况下能够取得较好的控制效果,而在模型参数未知或不准确情况下,适合采用采样PI控制或预测控制.     

一种基于单神经元Smith预测控制的中央空调系统优化控制方法研究

对于中央空调系统,Smith预估器可以较好地解决PID控制器带有纯滞后系统的控制问题。当纯滞后较大时,用Smith难以获得满意的控制效果,本文采取对被控对象的纯滞后作用进行补偿的方法,提出将单神经元与Smith预估器组合在一起的复合控制方案,在本方案中,利用了Smith能够应对纯滞后的特性及单神经元自学习、自组织的能力,不需要对被控对象进行精确的辨识,就能够实现对大纯滞后系统的自适应控制。     

纯滞后系统的控制算法比较

本文介绍了用于时滞系统的Smith预估补偿控制、采样PI控制和预测控制方法的原理,并对一阶纯滞后对象,采用Matlab工具对其控制性能进行仿真比较。仿真结果表明,Smith预估补偿算法在滞后被控对象模型已知的情况下能够取得较好的控制效果,而在模型参数未知或不准确情况下,适合采用采样PI控制或预测控制。     

工业过程控制算法设计与仿真

传统的Smith预估器在理论上解决了纯滞后系统控制问题,但由于它必须依赖被控对象精确的数学模型,在实际应用中存在局限。要克服Smith算法的局限性,采用一种具有比例、积分和微分神经元的PID神经元网络(PIDNN)与Smith预估器结合的算法,利用Smith对纯滞后系统进行预估补偿以及PID神经元网络的自适应、自学习和在线自调整控制器的参数的功能,解决大纯滞后系统的控制问题。仿真结果表明该Smith-PIDNN算法简单,稳定且收敛速度快,能够很好地改善大纯滞后系统的性能指标。     

Smith模糊PID匀速升温控制策略研究

针对电加热炉匀速升温过程模型建立困难、调节过程滞后等问题,提出了一种基于炉体散热补偿的Smith模糊PID控制算法。通过炉体散热补偿建立针对被控量升温速率的一阶线性纯滞后模型;采用Smith预估器消除纯滞后特性带来的影响,提高系统的稳定性,加快调节过程;引入模糊PID控制,克服Smith预估补偿环节鲁棒性差的弱点,实现参数的自适应调整,并提高了稳态精度,实现了高精度的匀速升温控制。试验结果表明,该控制策略的控制偏差低于5%,明显优于常规PID控制。     

串级控制与Smith预估补偿互补性初探

Smith预估器是用于大纯滞后对象的有效设计方法,但是对实际过程的参数变化很敏感,特别是静态增益K的变化.串级系统的内回路具有一定的自适应性,一个陕速内回路是至关重要的.提出了串级控制与Smith预估补偿相结合的控制策略.针对纯滞后问题,讨论了串级控制与Smith补偿的互补性,从理论和仿真两个方面讨论了这种系统相结合的可行性和应用价值.理论分析表明,该方案对静态增益K和动态参数T等的变化有较强的适应性,控制系统的鲁棒稳定性和动态品质均优于单纯的Smith预估补偿控制和单纯的串级控制,并得到了仿真结果的验证.     

基于Smith预估器的积分切换增益滑模控制

许多化工过程的传递函数往往包含积分环节和一阶惯性加纯时延环节.由于纯时延的存在,一般的控制方法很难使之稳定,即使能,也需要很长的调节时间且会出现振荡,因此在过程控制中这类系统被公认是一挑战性课题.Smith预估控制能克服纯时延,然而对模型非常依赖,当建模出现误差而不确定时,就会出现较大的振荡,甚至发散.特别是系统有常值干扰时,使用Smith预估控制方法,含积分环节的一阶惯性加纯时延系统则会出现余差.因此,本文提出1种基于Smith预估器的积分切换增益滑模控制,该方法使用1种超前一滞后网络前馈补偿常值干扰,利用滑模控制的鲁棒性以克服系统模型的不确定,系统能够实现渐趋稳定.积分型切换增益减小了系统抖动.仿真研究表明本文提出的方法能够控制好包含积分环节的一阶惯性加纯时延系统,是1种有应用潜力的控制方法.     

和钢20T电弧炉过程控制滞后分析及处理

文章针对电弧炉扩容升级出现的过程控制滞后失调问题,进行了系统分析,找出了系统近似数学模型,以可编程调节器(XMPA7000)为控制平台,应用Smith预估补偿方法对控制系统进行了纯滞后处理,结果系统稳定性不够理想;又对Smith预估补偿结构进行改进,采用自适应纯滞后补偿控制方法,系统可以适应被控对象的变化,自动调节PID增益,得到了较高的控制品质,较好的解决了和钢公司20T电弧炉升级过程中控制滞后问题;不难看出,Smith预估补偿方法对被控对象数学模型精度要求很高,当被控对象数学模型发生更变化时,会导致系统不稳定;采用自适应纯滞后补偿控制方法可以很好的解决这一问题。     

基于C8051F410的负压监控系统设计

负压的精确控制在烧结生产中有重要意义,针对烧结过程中存在的时滞和大超调问题,设计了一个基于C8051F410单片机的负压在线监控系统。采用带死区的积分分离PI控制算法,并用Smith预估器补偿纯滞后环节。仿真及实际运行结果表明,该系统响应速度快,控制精度高,具有较强实用价值。     

预估控制下的实时网络遥操作移动机器人

构建了能使操作者通过Internet远程实时控制的移动机器人系统．为了补偿网络时延和抵消其对遥操作系统的影响,基于我们以前提出的改进型Smith预估器原理,采用了预估控制策略．为了保证系统稳定性和透明性,基于主从端的传感器信息交换,设计了一个动态模型管理器,其中模型和力反馈误差调节通过模糊控制实现．除了力反馈外,为了增强遥操作的实时性,引入了预估的虚拟显示．为了精确地预测网络时延,提出了一个新颖的时钟同步算法．为了降低时延抖动,结合我们提出的两个算法,实现了数据缓冲策略．最后,通过长距离的网络遥操作实验验证了系统和控制策略的实用性和有效性．     

Design and performance of an intelligent predictive controller for a six-degree-of-freedom robot using the Elman network

The aim of this paper was to propose a recurrent neural network-based predictive controller for robotic manipulators. A neural network controller for a six-joint Stanford robotic manipulator was designed using the generalized predictive control (GPC) and the Elman network. The GPC algorithm, which is a class of digital control method, requires long computational time. This is a disadvantage in real-time robot control; therefore, the Elman network controller was designed to reduce processing time by avoiding the highly mathematical and computational complexity of the GPC. The main reason for choosing the Elman network, amongst several neural network algorithms, was that the presence of feedback loops have a profound impact on the learning capability of the network. The designed neural network controller was able to recover quickly because of its significant generalization capability, which allowed it to adapt very rapidly to changes in inputs. The performance of the controller was also shown graphically using simulation software, including the dynamics and kinematics of the robot model.     

基于改进型Elman网络的锅炉预测控制算法研究

针对锅炉燃烧系统非线性、多变量、大延时、强耦合等特点,将预测控制和改进型Elman神经网络相结合,提出了一种基于改进型Elman网络的预测控制算法.该算法可以克服传统PID控制方法对多变量对象控制效果差、抗干扰能力弱等缺点.选取链条炉燃烧系统作为研究对象,仿真结果表明:该算法具良好的控制效果和较强的抗干扰能力.     

网络控制系统Smith Fuzzy PID控制器的设计

针对网络控制系统中普遍存在的时延问题,提出了一种将模糊自适应算法和Smith预估补偿算法与常规PID控制器相结合的智能控制策略。该方法充分利用了Smith预估控制算法对带时延系统的良好控制能力,同时利用模糊推理算法实现对PID参数的在线自整定,进一步改善PID控制器的性能。仿真结果表明,基于该智能控制器的网络控制系统克服了传统PID控制超调量大及常规Smith预估补偿过分依赖于被控对象精确数学模型的缺陷,可以有效降低时延对系统性能的不利影响,使被控对象具有良好的动、静态特性。     

基于RBF神经网络与Smith预估补偿的智能PID控制

针对工业控制中普遍存在的大滞后现象,提出了一种将RBF神经网络算法和Smith预估补偿算法与传统的PID控制器相结合的智能RBF-Smith-PID控制策略。该方法利用RBF神经网络的在线学习、控制参数自整定能力,和Smith预估补偿对纯滞后系统的良好控制,有效地克服了常规PID控制的缺陷,提高了系统的鲁棒性和自适应性,对纯滞后系统起到了良好的控制。     

网络控制系统的时延估算及补偿

在网络控制系统中,由于带宽等原因,各个节点在交换数据和通信时会出现时延,导致系统性能下降甚至不稳定。通过时延预估的方法,运用时间戳法估算出时延,将时间戳法和Smith预估补偿控制相结合。通过仿真可观察到比较稳定的输出响应。     

A Novel Predictive Control Scheme with an Enhanced Smith Predictor for Networked Control System

This paper presents a novel predictive control scheme with an enhanced Smith predictor for a networked control system with random time delays and system uncertainties. In the scheme, time axis is partitioned into equidistant small intervals to limit the continuous time varying delays into several discrete values. The stability of the networked control system is achieved by establishing an offline database and an online update strategy for Smith predictor, which reduces the reliance on the determined model of delay and system uncertainties in comparison with conventional Smith predictor. In this way, a sequence of finite forward predictive control signals of all possible time delays can be generated in advance and the actual delays will be compensated in real time when achieving the real delay information. Illustrative examples are given to demonstrate the effectiveness and robustness of the proposed predictive methods towards the random transmission delays and system uncertainties integrated in the networked control system.     

网络时延预测研究

网络时间延迟是影响网络控制系统性能的一个主要因素,提前知道网络时延对提升网络控制系统的性能有一定的重要作用,网络时延预测准确度的高低直接影响到网络控制系统性能,为了更好的预测数据在网络上传输的时间延迟,满足网络控制系统需要,该文针对互联网中网络时延的预测问题进行了分析,分别用AR模型和Elman神经网络预测网络时延,通过仿真表明,平稳时延的预测AR模型要稍好,但扰动时延的预测Elman神经网络预测准确度及自适应性优于AR模型。     

基于神经网络Smith预估器的预测控制

针对非线性系统时滞问题,给出了一种新型的单神经元Smith预测控制算法.神经网络的预测控制器由不完全微分的单神经元自适应PID控制器和神经网络的Smith预估器组成.预估器对输出进行多步预测,控制器超前动作以消除时滞对系统的影响.不完全微分的单神经元自适应PID控制器通过改进的Hebb学习规则实现其权值调节,通过权系数的在线调整实现自适应控制.仿真实验证明了该方法具有较快的响应速度和较好的响应性能.     

一种引入混沌机制的新型Elman网络及其应用

针对一大类未知、时滞、高阶非线性动态系统的建模问题,提出了一种新的改进Elman网络模型——HF Elman,在Lyapounov稳定意义下证明了网络的稳定性,并在网络权值的训练过程中引入了混沌搜索机制,利用混沌固有的全局游动性有效地消除了Elman网络易陷入局部极值的缺点,改善了网络的学习性能。仿真结果表明,新的模型及算法有效提高了网络的训练速度及乙烯质量指标的预测精度。